-
公开(公告)号：CN111832637B
公开(公告)日：2022-08-30
申请号：CN202010619341.2
申请日：2020-06-30
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于交替方向乘子法ADMM的分布式深度学习分类方法，包括以下：1：在各个节点的数据库中对图像、视频、文件进行分类标记；2：初始化各节点Alexnet网络层参数，以及拉格朗日乘子矩阵；3：各个节点数据通过Alexnet网络一次前向传播进行提取特征；4：引入最小化分类误差，得到全局最优的分类器；5：全局分类器参数赋值给每个节点Alexnet网络的最后一层，即全连接层，各个节点数据通过Alexnet网络进行再进行一次前向传播；6：固定分类层参数，更新特征层参数；7：判断训练精度是否等于1，是即训练完成，反之，重复3‑7；8：分类测试过程，本发明解决了图像，视频，文本等样本数目大，若集中在一起训练，传输量和计算量过大的问题。
-
公开(公告)号：CN111832637A
公开(公告)日：2020-10-27
申请号：CN202010619341.2
申请日：2020-06-30
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于交替方向乘子法ADMM的分布式深度学习分类方法，包括以下：1：在各个节点的数据库中对图像、视频、文件进行分类标记；2：初始化各节点Alexnet网络层参数，以及拉格朗日乘子矩阵；3：各个节点数据通过Alexnet网络一次前向传播进行提取特征；4：引入最小化分类误差，得到全局最优的分类器；5：全局分类器参数赋值给每个节点Alexnet网络的最后一层，即全连接层，各个节点数据通过Alexnet网络进行再进行一次前向传播；6：固定分类层参数，更新特征层参数；7：判断训练精度是否等于1，是即训练完成，反之，重复3-7；8：分类测试过程，本发明解决了图像，视频，文本等样本数目大，若集中在一起训练，传输量和计算量过大的问题。
-
公开(公告)号：CN111832640A
公开(公告)日：2020-10-27
申请号：CN202010621074.2
申请日：2020-06-30
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明提出了一种域自适应中基于二分类器检测目标域相似类的方法，包括以下步骤：步骤1：使用源域样本对特征提取器和多二进制分类器进行训练；步骤2：在特征空间上训练对抗生成对齐网络，使目标域样本对齐源域样本；步骤3：观察目标域样本在多二进制分类器上的输出，找出相似的类，同时用TSNE进行降维来验证找到的相似的类；步骤4：利用现有的距离度量学习算法，在度量空间中拉开源域中相似类的距离，然后重新让目标域对齐源域，从而间接拉开了目标域相似类之间的距离，本发明以方便直观可靠的方法找到目标域中相似的类，然后在度量空间上加大相似类之间的距离，以便分类器能准确分类降低误差。
-
-
Search Results
3
records
(took 0.019 seconds)
